主要用于Python教学。
版权所有，请勿散播、抄袭。
结构如下：
- Errors.ipynb：本教程常见报错；
- Begin.ipynb： Python的安装、开发环境等，以及Git（Hub）入门；
- Basic.ipynb： Python入门：数据类型和控制语句；
- Func_and_module.ipynb： 函数和模块；
- Class.ipynb： 面向对象编程；
- String_and_file.ipynb： 字符串和文件；
- Regex.ipynb： 正则表达式；
- SQL.ipynb： Python与数据库交互、sqlite简介；
- HTML_bs.ipynb： HTML语言简介、BeautifulSoup解析HTML；
- Flask_request_selenium.ipynb： 爬虫；
- Numpy_scipy_matplotlib.ipynb：科学计算： Numpy+SciPy+Pandas+Matplotlib；
- Pandas.ipynb：数据管理：Pandas；
- Random.ipynb：随机数生成（待补充）；
- Optimize.ipynb：最优化方法（待补充）；
- Estimation.ipynb：矩估计与极大似然估计（待补充）；
- Hypo_test.ipynb：常用的假设检验（待补充）；
- Bayesian.ipynb：贝叶斯统计（待补充）；
- MCMC.ipynb：马尔可夫链蒙特卡洛（待补充）；
- Linear_and_quantile_regression.ipynb：线性回归（待补充）；
- Probit_logit_count.ipynb：离散选择模型及计数模型（待补充）；
- Duration_survival.ipynb：生存分析（待补充）；
- Stationary_time_series.ipynb：平稳时间序列（待补充）；
- ARCH_GARCH.ipynb：条件异方差模型（待补充）；
- Nonstationary.ipynb：非平稳时间序列（待补充）；
- Factor_pricing.ipynb：因子定价模型（待补充）；
- Factor.ipynb：因子模型（待补充）；
- Nonparametric.ipynb：非参数统计模型（待补充）；
- Scikit_learn.ipynb：机器学习简介：scikit-learn；
- Clustering.ipynb：聚类分析；
- PCA_Manifold.ipynb：主成分与流形学习
- Regression_lasso.ipynb：回归与正则化；
- Logistic_regression.ipynb： Logistic回归；
- Tree_and_forest.ipynb： 决策树与随机森林；
- Torch.ipynb：PyTorch入门；
- NN.ipynb神经网络与PyTorch（待补充）；
- Text_analytics.ipynb： 文本分析入门；
- Reinforcement.ipynb： 增强学习（待补充）；
这里列举了一些数据源，练习时可以使用。